用途：指导构建一个把英文自然语言问题转换为 SQL 并从数据库返回答案的 AI，流程为理解 schema、生成 SQL、校验、执行、解释结果。适用场景包括销售问“上月成交多少”、高管用自然语言问营收、客服按描述查客户记录、面向非技术人员的内部数据助手，以及任何“与数据库对话”功能。
主要能力：用 SQLAlchemy 连接 Postgres、MySQL、SQLite、Snowflake、BigQuery；用 inspect 生成 schema 描述，并可补充表/列的业务含义；用 DSPy 构建两阶段流水线（先选相关表，再生成 SQL）；用 dspy.Refine 与奖励函数强制只读 SELECT、拦截危险关键字；执行时加行数限制与超时；最后把结果转成自然语言答案。表很多时可用 ChromaDB 做 schema 检索。
使用方式：安装命令为 npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill ai-do。连接示例：engine = create_engine("postgresql://user:pass@host:5432/mydb")。核心步骤包括 get_schema_description、SelectTables/GenerateSQL/InterpretResults 签名、DatabaseQA 模块、validate_sql、execute_query、sql_accuracy 指标与 MIPROv2 优化。
限制与安全：AI 生成的 SQL 必须先校验再执行，数据库账号应只读（GRANT SELECT），设置查询超时、行数上限、表白名单、审计日志，凭据用环境变量或密钥管理。评估应比较查询结果而非 SQL 文本。资料未提供具体收费、价格与平台支持细节。